我国有着丰富的水利资源，大坝使用期限内可能出现各种形式的病害，若不及时对坝体进行检测，随着这些病害的不断发展，水电站正常功能的发挥将受影响，甚至危及大坝的稳定，导致下游人民的生命和财产安全受到威胁。可见对坝体进行定期的安全监测和损伤分析显得尤其必要。　　 结构若存在损伤，结构的动力特性参数将随之改变。以结构动力特性参数为依据识别结构损伤的方法是目前国内外相关领域的研究热门之一，而这一方法中应用比较广泛的方法有神经网络方法、遗传算法方法以及两者结合的方法。　　 本文首先介绍了模态参数识别的相关理论，讨论了损伤参量的选取问题，通过比较固有频率变化、位移模态、曲率模态、固有振型变化和能量变化对结构损伤敏感性，指出固有频率变化容易获取，并且精度较高，是上述五种参量中最适合作为损伤参量的结论。　　 接着本文对人工神经网络和基本遗传算法（SGA-BP）的基本理论作了简要介绍，人工神经网络在结构损伤识别领域应用广泛，但缺点明显，易陷入局部收敛；文献证明，基本遗传算法在某些领域是一种全局寻优能力较强的算法，可用于优化人工神经网络，但是也有缺陷和不足，如易出现早熟收敛，同时存在随机漫游、稳定性不佳、收敛速度慢等问题。　　 针对基本遗传算法的不足，本文提出了有针对性的改进方法，主要的引入了一种改进的自适应交叉和变异算子，并探讨了其中部分参数的改进。采用十进制编码并建立改进的自适应遗传神经网络模型（IAGA-BP），同时建立基本遗传神经网络模型（SGA-BP），以便在分析研究时比较。　　 最后将自适应遗传神经网络模型（IAGA-BP）运用到具体的坝体结构损伤识别中，本文以混凝土重力坝为例，运用ANSYS等有限元软件模拟坝体损伤并计算频率，以频率变化作为改进遗传神经网络的输入向量输入到IAGA-BP模型和SGA-BP模型中，分析比较结果可知本文引入的IAGA-BP模型收敛精度较高，具有较强的全局收敛能力，收敛速度明显加快，在迭代61次时就趋于稳定，接近全局最优解。总体上，本文引入的IAGA-BP模型可以对一般小型混凝土重力坝进行较好的损伤定位。另外，还可将该方法用于结构的模态参数识别。